赛事简介
近年来，语音识别技术在标准普通话场景中取得了显著进展，并已广泛应用于智能语音助手、会议转写、智能客服和语音交互等实际场景。然而，真实中文语音输入往往并不局限于标准普通话，而是广泛包含多种区域性方言，以及带有地域特征的口音表达。
中文方言具有地域分布广、语音差异大、词汇表达多样、标注成本高和资源建设不均衡等特点。相比普通话语音数据，方言语音数据普遍存在资源稀缺、覆盖不足和标注规模有限等问题，是典型的低资源语音识别场景。
ChinaVoices Challenge 2026 以 NCMMSC 2026 为平台，围绕中文多方言语音识别与中文多方言种类识别任务，构建统一的评测数据、评价指标和竞赛流程，为学术界和工业界提供公开、公平、可复现的中文多方言语音处理评测平台。
覆盖多方言
覆盖十余种方言及区域口音的人工标注语音数据，支撑低资源方言建模与跨地域泛化评估。
双任务设置
设置中文多方言种类识别与中文多方言语音识别两个核心任务，分别评估方言类别判别能力与语音内容转写能力。
双排行榜机制
设置“限定数据方案”排行榜和“开放数据方案”排行榜，兼顾正式排名公平性与技术探索价值。
最新动态
- 2026 年 7 月 8 日：Baseline 系统已正式发布并开源，相关代码与使用说明请见 GitHub 仓库。
- 2026 年 6 月 29 日：开源数据清单停止更新数据：
- 2026 年 6 月 25 日：参考数据集（Reference Set）发布。
- 2026 年 6 月 22 日：挑战赛官网发布，报名开放，开源数据表公布。
任务与赛道
任务一：中文多方言种类识别
任务目标：参赛者需要根据输入语音判断其所属的方言类别或地域口音类别。
任务重点：关注系统对不同方言种类的区分能力，尤其关注相近方言混淆、地域口音差异和低资源方言种类识别等问题。
初步评价指标：准确率 Accuracy。
任务二：中文多方言语音识别
任务目标：构建面向中文多方言语音的自动语音识别系统，将输入语音准确转写为对应文本。
任务重点：评估模型在不同方言类别、地域口音、说话人和声学条件下的转写能力，重点关注多方言场景中的识别准确率。
初步评价指标：字符错误率 CER。
数据集说明
本挑战赛计划基于组织方整理和构建的中文多方言语音数据开展统一评测。数据将覆盖十余种方言及区域口音。
数据划分包括参考数据集（Reference Set）、公开评测集（Open Evaluation Set）和隐藏评测集（Hidden Evaluation Set），并提供统一的数据划分方式、标注规范、提交格式和评测脚本。
覆盖范围
方言及区域口音类别包括：安徽、粤语、长沙、潮汕、东北、河南、客家、闽南、南昌、南京、山西、陕西、山东、四川、吴语、武汉。
参考与公开评测
参考数据集计划为每个语种/方言提供约 3 小时语音数据；公开评测集用于阶段性提交、系统调试和结果反馈。
隐藏评测
隐藏评测集不公开发布，仅用于组委会对参赛系统进行独立复核与能力验证，以检查系统提交结果的有效性、稳定性和泛化表现。
评测与提交
评测指标
- 中文多方言种类识别：准确率 Accuracy。
- 中文多方言语音识别：字符错误率 CER。
- 阶段性评测：基于公开评测集（Open Evaluation Set）进行提交与反馈。
- 最终评测：以隐藏评测集（Hidden Evaluation Set）为依据对参赛系统进行复核，该集合不公开发布。
论文与系统说明
参赛队伍可提交挑战赛系统描述论文或相关研究论文，内容可包括系统方案、数据使用策略、模型结构、训练方法、推理流程、实验结果、错误分析和消融实验等。
评审将优先考量成果的方案创新性与技术贡献，所有进入特殊议题展示、拟收录的论文均需经过同行评审，其中优秀论文与参赛系统将在 NCMMSC 2026 特殊议题论坛进行口头汇报或海报展示。
报名与资源
报名系统
报名已开放，请填写 挑战赛报名表 提交参赛队伍信息。
数据与工具
- 数据下载地址：通过邮箱发送数据下载链接。
- 数据使用协议：查看数据使用协议
- 开源数据清单：
- 公共数据登记表：提交公开数据登记申请
- 排行榜地址：待公布。
- 代码仓库：ChinaVoices Challenge GitHub 仓库 已发布。
重要日期
以下为挑战赛初步时间安排，后续将根据竞赛筹备进度进行适度调整。
- 2026 年 6 月 22 日：挑战赛官网发布，报名开放，开源数据表公布，参考数据集（Reference Set）发布。
- 2026 年 6 月 29 日：开源数据表停止更新数据。
- 2026 年 7 月 12 日：公开评测集（Open Evaluation Set）发布，竞赛报名截止。
- 2026 年 7 月 22 日：基于隐藏评测集（Hidden Evaluation Set）为依据对参赛系统进行复核，排行榜冻结，核实成绩后发布最终排行榜。
- 2026 年 7 月 31 日：竞赛相关论文投稿截止。
- 2026 年 11 月 5-8 日：NCMMSC 2026 将于珠海横琴举行，挑战赛专题报告和优秀队伍交流活动计划在会议期间举行。
排行榜
参赛队伍在提交评测集结果时需选择对应排行榜；参加“限定数据方案”排行榜的队伍可同时参加“开放数据方案”排行榜，参加“开放数据方案”排行榜的队伍不可转入“限定数据方案”排行榜。两个排行榜均分别设置中文多方言种类识别和中文多方言语音识别两个任务。
“限定数据方案”排行榜中的优秀队伍将受邀提交挑战赛系统描述论文至全国人机语音通讯学术会议相关专题，经同行评审录用后，可在会议期间进行展示交流；“开放数据方案”排行榜主要用于展示不同数据条件下的系统性能，仅作为榜单展示参考，不作为论文邀请与正式评奖依据。
“限定数据方案”排行榜
待竞赛提交开启后公布，用于最终正式排名与奖项评定。
“开放数据方案”排行榜
待竞赛提交开启后公布，用于展示不同数据条件下的系统性能上限。
常见问题
Q：可以只参加一个任务吗？
A：可以。参赛队伍可根据自身研究方向选择参加中文多方言种类识别任务、中文多方言语音识别任务，或同时参加两个任务。
Q：“限定数据方案”排行榜和“开放数据方案”排行榜有什么区别？
A：“限定数据方案”排行榜用于正式排名和奖项评定，数据与模型使用范围受限；“开放数据方案”排行榜主要用于探索性能上限，允许使用更多合法数据资源，但需要披露来源和使用方式。
Q：是否可以使用公开预训练模型？
A：可以。“限定数据方案”排行榜中允许使用公开可获得、可复现的预训练模型；所有外部资源、数据增强方法和后处理策略均需在系统说明中明确列出。
Q：参考数据集、公开评测集和隐藏评测集有什么区别？
A：参考数据集（Reference Set）将按语种/方言类别发布，计划每类约 3 小时，用于参赛队伍训练和开发；公开评测集（Open Evaluation Set）将按时间线发布，用于阶段性提交与系统调试；隐藏评测集（Hidden Evaluation Set）不公开发布，仅用于组委会对参赛系统进行独立复核与能力验证，以检查系统提交结果的有效性、稳定性和泛化表现。
Q：是否只有取得较好名次的队伍才可以投稿挑战赛论文？挑战赛专题报告论文是否属于 CCF C 类论文？
A：优秀参赛队伍将受邀提交挑战赛系统报告或论文，但取得名次并不代表论文会被直接录用。一般流程是：根据参赛成绩以及系统方案的创新性，优秀队伍可以提交挑战赛系统报告/论文；投稿后还需要经过会议审稿人的同行评审。评审通过并被会议录用后，这篇论文才算正式发表，也就是 CCF C 类会议论文。
Q：每支队伍最多可以有多少名成员？
A：本次赛事对队伍成员数量无强制限制，建议合理控制队伍规模，避免人员过多造成沟通与任务分配不便。
Q：中文多方言种类识别和中文多方言语音识别使用的是同一套数据吗？
A：是的。两个任务是基于同一套中文多方言语音数据组织。
Q：组委会会向参赛者提供基线系统吗？
A：会提供。组委会将发布基线系统及相关说明。具体发布时间、代码地址和使用说明请以官网后续通知为准。
数据使用规则
参赛队伍在下载、访问或使用挑战赛数据前，请阅读并遵守 数据使用协议。
公开数据清单与数据登记机制
组织方将建立“中文方言语音开源数据公共清单”，列出参赛者可以使用的公开数据资源，包括数据名称、语种/方言类别、数据规模、许可协议、下载地址和适用任务等信息。
若参赛队伍使用未在公共清单中的公开数据，可向组织方提交 公共数据登记表。经确认该数据为公开可获得、合法可使用且符合竞赛规则后，该数据将被补充到公共清单中，供其他参赛队伍参考。
提交材料与合规检查
所有参赛队伍在提交系统结果时，均需提交数据使用声明，说明所使用的训练数据、外部数据、预训练模型、数据增强方法和后处理策略。对于“限定数据方案”排行榜，组织方将对数据使用情况进行合规性检查；对于“开放数据方案”排行榜，参赛队伍需尽可能披露数据来源、规模和类别覆盖情况，以便后续进行公平分析和结果解释。